• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于NPSVM模型的超新星識別方法?

    2021-03-29 12:36:48王精東陳星星梁吳穎黃澤鋒全少武沈錦泫
    天文學(xué)報(bào) 2021年2期
    關(guān)鍵詞:超新星星系光譜

    王精東 陳星星 梁吳穎 黃澤鋒 全少武 沈錦泫

    石雄輝1?

    (1 廣東海洋大學(xué)數(shù)學(xué)與計(jì)算機(jī)學(xué)院湛江524088)(2 北京師范大學(xué)數(shù)學(xué)科學(xué)學(xué)院北京100875)

    (3 湖南科技大學(xué)材料科學(xué)與工程學(xué)院湘潭411201)

    1 引言

    遙遠(yuǎn)星系內(nèi)的恒星在一般情況下亮度較低, 無法觀測, 而其爆發(fā)成為超新星時(shí)則突然進(jìn)入了可觀測的范圍, 此現(xiàn)象作為恒星演化的一個(gè)重要過程, 對研究恒星與高能天體物理具有重要影響[1]. 由于超新星的出現(xiàn)在時(shí)間與空間上均具有隨機(jī)性, 使得超新星觀測大多采用大規(guī)模巡天以獲得大量對象的樣本數(shù)據(jù)進(jìn)行分析篩選.

    超新星搜尋主要有可見光圖像搜尋、測光、光譜認(rèn)證3種方法[1–2], 其中, 光譜數(shù)據(jù)相對可見光圖像, 具有更好的準(zhǔn)確性, 且不用像可見光圖像、測光一樣需獲取多日的數(shù)據(jù)進(jìn)行比對校驗(yàn), 是超新星搜尋的重要手段.

    目前在運(yùn)行的大型超新星巡天項(xiàng)目中, 國外有ZTF (the Zwicky Transient Facility)、Pan-STARRS (Panoramic Survey Telescope And Rapid Response System)、Gaia (Global Astrometric Interferometer for Astrophysics)等[3–5], 國內(nèi)有TNTS (the THU-NAOC Transient Survey)、PTSS(the PMO-Tsinghua Supernova Survey)、AST3(Antarctic Survey Telescope)等項(xiàng)目[6–8]. 這些大型巡天計(jì)劃往往產(chǎn)生超大規(guī)模的數(shù)據(jù),現(xiàn)代天文觀測對自動化分析的需求日益明顯.

    光譜數(shù)據(jù)往往由于維數(shù)較多, 從而需要降維以方便計(jì)算, 常用的方法有主成分分析(Principal Component Analysis, PCA), 比如, 劉真祥等人直接采用PCA降維[9]; 屠良平等人基于PCA實(shí)現(xiàn)光譜分解并計(jì)算重構(gòu)系數(shù)作為新特征[10]. 在識別方面, 可以采用深度信念網(wǎng)絡(luò), 劉真祥等人采用該方法在激變變星光譜分類問題上獲得了97.4%的正確率[9]; 屠良平等人則采用基于局部孤立性因子(Local Outlier Factor, LOF)的離群點(diǎn)檢測算法將超新星候選數(shù)降低到了實(shí)驗(yàn)總數(shù)的1%, 該實(shí)驗(yàn)每次隨機(jī)將1條超新星光譜混入到5054條星系光譜中, 發(fā)現(xiàn)每次實(shí)驗(yàn)中超新星的LOF都排在實(shí)驗(yàn)樣本集合的前1%[11].此外還可以使用支持向量機(jī)(Support Vector Machine, SVM)或人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network, ANN)等方法[12–13].

    經(jīng)研究發(fā)現(xiàn), 基于光譜分解的特征提取方法存在冗余特征的問題, 并提出了解決方案: 首先, 用光譜分解方法提取特征進(jìn)行初篩, 然后計(jì)算所得特征系數(shù)在兩個(gè)類別上的相似度, 并做進(jìn)一步篩選; SVM在星系-超新星二分類問題中得到了99.502%的識別正確率. 考慮進(jìn)一步降低漏判率, 結(jié)合Neyman-Pearson決策, 本文提出了NPSVM(Neyman-Pearson SVM)分類模型, 以適應(yīng)不同條件與場景.

    2 數(shù)據(jù)收集

    超新星往往是從星系對象中篩選出來. 所以只需要收集超新星與星系兩類的數(shù)據(jù)進(jìn)行分析即可.

    我們從WISeREP (the Weizmann Interactive Supernova data REPository)1https://wiserep.weizmann.ac.il上收集了SUSPECT (SUpernova SPECTrum), SNfactory (the Nearby Supernova Factory),SDSS-SNe (the Sloan Digital Sky Survey-II Supernova Survey)觀測數(shù)據(jù)光譜[14], 使用了CfA (the Center for Astrophysics)2https://www.cfa.harvard.edu/supernova/cfaspecsnIa 20120322.tar.gz超新星計(jì)劃[15]的一部分與Nugent等人構(gòu)造的超新星模板3https://c3.lbl.gov/nugent/nugent templates.html[16]. 本文與文獻(xiàn)[10–11]中僅采用Ia型超新星模板不同, 希望能夠?qū)⒛P屯茝V到其他類型的超新星光譜識別上, 所以我們也應(yīng)用了Nugent等人的其他類型超新星模板,由于這些模板是由超新星同一時(shí)間的多個(gè)觀測來源的光譜取平均得到, 并在時(shí)間上進(jìn)行了插值[16], 更具有代表性, 因此將用于構(gòu)造超新星的PCA模板, 而剩下的超新星實(shí)測光譜將用于分類模型的訓(xùn)練和測試.

    星系數(shù)據(jù)上, 我們使用了SDSS-dr16得到的星系觀測數(shù)據(jù)[17]. 這些星系光譜將既用于PCA模板庫的構(gòu)造又作為實(shí)驗(yàn)數(shù)據(jù)集的星系部分.

    為了將數(shù)據(jù)統(tǒng)一在一個(gè)區(qū)間上進(jìn)行分析, 本文篩選出靜止波長范圍在3809–7000 ?A的光譜, 并獲得了3427條超新星實(shí)測光譜和2193條星系光譜.

    表1、2分別給出了超新星和星系實(shí)測光譜的類別數(shù)量和比例, 未給出子類別的記為untyped, 其中AGN (Active Galactic Nucleus)為活動星系核. 圖1給出了超新星實(shí)測光譜相對光極大和數(shù)據(jù)集信噪比的主要分布, 圖例中SNe表示超新星, Gal表示星系.

    表1 超新星(SN)類型統(tǒng)計(jì)Table 1 Statistics of supernova types

    表2 星系類型統(tǒng)計(jì)Table 2 Statistics of galaxy types

    3 數(shù)據(jù)預(yù)處理

    超新星形成機(jī)制包括白矮星吸積伴星產(chǎn)生的熱核爆炸、大質(zhì)量恒星的核塌縮爆炸,兩者均多發(fā)生在星系內(nèi). 所以超新星的光譜S往往會與宿主星系的光譜G發(fā)生疊加, 同時(shí), 伴隨有測量、大氣條件、天光背景等引起的隨機(jī)噪聲ε, 于是觀測得到的光譜M可以寫成如下形式:

    光譜作為對遙遠(yuǎn)天體的觀測手段之一, 除了噪聲影響外, 主要還存在以下影響因素:

    (1)遙遠(yuǎn)天體的光譜紅移;

    (2)天體距離、超新星本身屬性、所處演化階段等對譜線強(qiáng)度的影響;

    (3)不同望遠(yuǎn)鏡數(shù)據(jù)處理方法的差異.

    圖1 超新星相對光極大(a)和數(shù)據(jù)集信噪比(b)的分布直方圖. (a)中收集自CfA的光譜(紅色曲線)給出的是相對B波段光極大的天數(shù), 收集自WISeREP的光譜(藍(lán)色曲線)給出的是相對于V波段光極大的天數(shù). (b)中紅色曲線為超新星光譜的信噪比分布, 藍(lán)色曲線為星系光譜的信噪比分布.Fig.1 Histogram of supernova phases (a) and signal-to-noise ratio of dataset (b). In panel (a), the spectra collected from CfA give the number of days relative to B-band maximum (red curve), while the spectra collected from WISeREP give the number of days relative to V-band maximum (blue curve). In panel (b), the red curve is the signal-to-noise ratio distribution of supernova spectra, and the blue curve is the signal-to-noise ratio distribution of galactic spectra.

    因此本文對觀測數(shù)據(jù)進(jìn)行了以下預(yù)處理以減小上述因素對算法效果的影響:

    (1)退紅移: 對于紅移為z、觀測波長為λobs的天體光譜, 計(jì)算其靜止波長:

    (2)截?cái)嗯c插值: 將所有樣本截?cái)嘀领o止波長覆蓋范圍的交集3809–7000 ?A并進(jìn)行線性插值;

    (3)去除強(qiáng)窄線: 由于超新星的光譜是沒有窄線的[10], 為了減少窄線的干擾, 本文基于3σ原則(將到均值的距離大于3倍標(biāo)準(zhǔn)差的點(diǎn)視為異常點(diǎn))來檢測窄線, 對窄線進(jìn)行過濾并替換成均值, 循環(huán)多次以保證效果;

    (4)去噪: 使用小波變換方法進(jìn)行去噪;

    (5)標(biāo)準(zhǔn)化: 對于均值為μi、標(biāo)準(zhǔn)差為σi的第i條觀測數(shù)據(jù)Mobs,i, 標(biāo)準(zhǔn)化后記為向量Mi=(Mi1,Mi2,··· ,Miq). 其第j個(gè)分量:

    其中,Mobs,ij為觀測數(shù)據(jù)向量Mobs,i的第j個(gè)分量,N為觀測樣本的數(shù)量,q為光譜數(shù)據(jù)向量的維數(shù). 圖2展示了數(shù)據(jù)預(yù)處理的效果.

    圖2 在數(shù)據(jù)預(yù)處理中, 一條光譜的原始數(shù)據(jù)將被退紅移、截?cái)?、插值、去譜線、去噪、標(biāo)準(zhǔn)化.Fig.2 In the data preprocessing, the raw data of a spectrum will be deredshifted, truncated,interpolated, spectral lines removed, denoised and normalised.

    4 特征提取

    以下設(shè)行向量

    為第i條經(jīng)過預(yù)處理的混合光譜, 其中,Gi與Si分別表示組成該混合光譜的星系光譜和超新星光譜,εi表示觀測過程中的隨機(jī)噪聲.

    4.1 光譜分解

    PCA旨在通過線性變換得到新的變量, 即主成分, 并對主成分按照方差貢獻(xiàn)率進(jìn)行排序. 這些主成分滿足: 各個(gè)主成分Yj的方差達(dá)到最大且主成分之間協(xié)方差為0,即第j個(gè)主成分Yj的方差Var(Yj) = max,Yj與Yj′的協(xié)方差Cov(Yj,Yj′) = 0, j >1, j′=1,2,...,j ?1. 對于第i條光譜Mi, 其第j個(gè)主成分其中,lj稱為主成分方向.

    對超新星與星系模板庫分別運(yùn)用PCA, 則可以得到星系模板庫的前m個(gè)主成分方向和超新星模板庫的前n個(gè)主成分方向分別為{gu},{sv},u= 1,2,··· ,m,v= 1,2,··· ,n.本文將主成分方向稱為光譜特征.

    其中, 由于Nugent先生提供的模板在不同類別的超新星之間, 光譜數(shù)量存在較大差異. 由于其中一類最多只有12條光譜數(shù)據(jù), 于是對每一類在時(shí)間上等距選取12條光譜數(shù)據(jù)以用于構(gòu)建超新星的PCA模板庫.

    圖3自上而下展示了星系與超新星模板庫按方差貢獻(xiàn)率排序后的前8個(gè)光譜特征. 此時(shí)選取超新星光譜特征累計(jì)貢獻(xiàn)率為95%的前8個(gè)光譜特征, 而對于星系成分選取累計(jì)貢獻(xiàn)率為90%的前180個(gè)光譜特征. 此時(shí), 可以將實(shí)測光譜看作是各光譜特征線性組合的近似[10,18], 即

    圖3 光譜特征. 自上向下為星系(左)與超新星(右)模板庫按方差貢獻(xiàn)率排序后的前8個(gè)光譜特征, 為了方便展示, 對每條光譜特征進(jìn)行了偏移, 圖例數(shù)字表示偏移量.Fig.3 Spectral feature. The galaxy (left) and supernova (right) templates are sorted by variance contribution and the first eight spectral feature are top down displayed in figure. In order to display conveniently, each spectral feature has an offset, and the numbers in legend represent the value of offset.

    設(shè)第k個(gè)混合光譜的系數(shù)向量ai=(a1,i,a2,i,··· ,am+n,i)T, 記

    由(1)式有A·Ac=MT. 因此求解Ac即可求得各系數(shù)向量, 并實(shí)現(xiàn)光譜分解, 即計(jì)算

    當(dāng)A不滿足正交性時(shí), 則可以用如下方法計(jì)算得到[10]:

    其中, (β1,β2,··· ,βm,βm+1,··· ,βm+n)為A經(jīng)施密特正交化后所得的單位正交向量組.

    通過光譜分解, 我們獲得了將一條光譜數(shù)據(jù)映射到以ai為坐標(biāo)向量的新特征空間的方法, 圖4分別展示了星系與超新星的分解效果. 圖5展示了部分變量組合的3維分布圖.

    4.2 特征分布的相似性度量

    假設(shè)已知兩條連續(xù)的概率密度曲線p1(x)、p2(x), 對p1、p2以?x為步長等距離離散可分別得到向量當(dāng)?x →0時(shí), 他們能夠很好地表征出該曲線的特征. 故定義兩條概率密度曲線的相似度:

    圖4 星系光譜(左)與超新星光譜(右)分解效果, 圖中藍(lán)色曲線為經(jīng)過數(shù)據(jù)預(yù)處理的光譜, 紅色曲線是分解出來的超新星成分, 橙色曲線是分解出來的星系成分.Fig.4 Decomposition of Gal spectrum (left) and SN spectrum (right). The blue curve is the spectrum after data preprocessing, the red curve is the supernova component, and the orange curve is the galaxy component of the decomposition.

    圖5 部分變量組合的3維分布圖Fig.5 Three dimensional distributions of partial variables combination

    圖6為部分特征系數(shù)的頻率分布直方圖, 從圖中可以看到部分特征系數(shù)出現(xiàn)冗余的現(xiàn)象, 這些特征系數(shù)的分布在兩個(gè)類別之間的區(qū)別并不明顯, 甚至接近重合. 這些特征系數(shù)的存在對分類任務(wù)并沒有益處甚至?xí)Ψ诸愋Ч斐梢欢ǖ母蓴_.

    于是需要度量一個(gè)特征系數(shù)的分布在兩個(gè)類別之間差異的不明顯程度, 即特征系數(shù)的分布相似程度, 以進(jìn)一步篩選特征系數(shù). 而(3)式恰好可以滿足這一需求.

    圖7為相似度分布直方圖. 于是, 只要設(shè)定閾值s0, 保留Sims0的特征系數(shù), 即可過濾低效特征.

    圖6 部分特征系數(shù)的頻率分布直方圖Fig.6 Frequency distribution histogram of partial feature coefficients

    圖7 相似度分布直方圖Fig.7 Histogram of similarity

    5 光譜識別

    由圖5可見, 在光譜分解得到的特征空間下, 光譜識別問題可近似為一個(gè)線性可分的分類模型. 對此, 本文采用了線性支持向量機(jī)進(jìn)行分類訓(xùn)練.

    5.1 支持向量機(jī)

    線性可分是指在特征空間中能夠找到一個(gè)由下式表示的超平面來正確地描述分類任務(wù):

    其中,w為超平面的法向量,x為坐標(biāo)向量. 在光譜分類問題中, 用第i條預(yù)處理光譜Mi提取的特征ai來代表該待分類光譜, 即有x=ai.

    于是一個(gè)樣本點(diǎn)x到超平面的距離為:

    若該超平面能夠正確分類, 即對于任一樣本(xi,yi), yi ∈{?1,1}, 當(dāng)xi為星系光譜時(shí),當(dāng)xi為超新星光譜時(shí)

    只需要一定的事先變換, 樣本集總可以滿足:

    此時(shí), 根據(jù)(5)式, 由該超平面所確定的分類間隔為2/||w||. 對于分類問題, 我們希望這個(gè)分類間距盡可能大, 而這等效于最小化因此我們只需要求解:

    引入拉格朗日乘子ηi, 由拉格朗日乘子法有對偶問題

    考慮防止過擬合或不是完全線性可分的情況下, 引入“松弛變量”ξi0,求解如下規(guī)劃問題:

    即“軟間隔支持向量機(jī)”[12], 其中,C為常數(shù), 表示約束程度,C越大時(shí)松弛變量要越小, 通常取C=1.

    在上文的特征提取方法下, 選取數(shù)據(jù)集的75%作為訓(xùn)練集, 剩余作為測試集. 迭代選取不同s0進(jìn)行SVM的訓(xùn)練, 得到了如圖8的誤判率變化曲線, 并在表3中展示了3個(gè)模型A、B、C的詳細(xì)效果.

    表3 SVM在測試集上的表現(xiàn)Table 3 The SVM performance on the test set

    圖8 誤判率曲線, s0為相似度閾值Fig.8 Mistake rate curve, s0 is the threshold of the similarity Sim

    顯然, 相似度過濾算法能夠進(jìn)一步提高降維結(jié)果的質(zhì)量, 當(dāng)s0選取適當(dāng)時(shí), 仍能保證分類效果而數(shù)據(jù)維數(shù)較少. 在實(shí)際情況中, 可以視條件選擇合適的模型. 比如, 當(dāng)設(shè)備計(jì)算資源有限時(shí)采用算法空間復(fù)雜度較低的A模型, 當(dāng)計(jì)算資源足夠且希望漏判率盡可能小則使用漏判率最小的B模型.

    由(5)式可以得到對于樣本x到?jīng)Q策面的距離r(x). 圖9展示了采用B模型時(shí)所得距離分布密度圖. SVM可以視為一個(gè)以原點(diǎn)為決策點(diǎn)的分類模型, 在直線L1右側(cè)即判斷為正, 在L1左側(cè)判斷為負(fù).

    圖9 采用B模型時(shí), 樣本點(diǎn)到SVM超平面的距離r的分布. f1為星系樣本集上的距離分布曲線, f2為超新星樣本集上的距離分布曲線, L1和L2分別為SVM、NPSVM的決策線.Fig.9 Distribution of distance r from the sample point to the SVM hyperplane when using the model B.f1 is the distance distribution on the set of galaxies, f2 is the distance distribution on the set of supernovae. L1,L2 are the decision-making lines of SVM and NPSVM, respectively.

    當(dāng)樣本數(shù)足夠大時(shí), 決策距離r的頻率分布曲線能夠近似于概率密度曲線, 即f1→p1(r)、f2→p2(r), 其中,f1為星系樣本集上r的頻率分布曲線,f2為超新星樣本集上r的頻率分布曲線;p1(r)為當(dāng)樣本x來自星系總體時(shí),r=r(x)在實(shí)數(shù)域R上的概率密度曲線,p2(r)為x來自超新星總體時(shí)r的概率密度曲線.

    此時(shí), 設(shè)P1[r(x)]是樣本x來自星系總體的概率,P2[r(x)]為樣本x來自超新星總體的概率. 概率P1(r),P2(r)分別定義如下:

    且給定x時(shí), 有P1(r)+P2(r)=1.

    因此當(dāng)樣本量足夠大時(shí), 用f1(r)近似p1(r), 用f2(r)近似p2(r), 即可通過SVM模型計(jì)算一個(gè)樣本屬于兩個(gè)類別的概率. 當(dāng)有多個(gè)超新星候選體待觀測時(shí), 可以將候選體按照超新星的分類概率P1(r)排序, 制定觀測計(jì)劃, 從而更高效地尋找超新星.

    5.2 NPSVM分類模型

    來自超新星樣本集的樣本如果被誤判為星系, 即為超新星的漏判. 對于超新星巡天, 有時(shí)希望超新星的漏判率盡可能低. 為了進(jìn)一步降低漏判率, 不妨將距離r看作是經(jīng)過SVM映射所得的新特征.

    設(shè)二元?jiǎng)澐諶= (R1,R2), 當(dāng)對于一個(gè)新的樣本(xi,yi),r(xi)經(jīng)過劃分R后判斷為星系時(shí), 記作r ∈R1; 當(dāng)r(xi)經(jīng)過R后判斷為超新星時(shí), 記為r ∈R2.

    當(dāng)xi來自星系總體時(shí), 經(jīng)過劃分R后判斷為超新星則是誤判, 假設(shè)此事件發(fā)生的概率為Pe1; 同理, 對于超新星總體, 有Pe2. 由概率論有:

    為了進(jìn)一步降低超新星漏判, 對于期望的超新星漏判上限ε0, 希望有Pe2=ε0, 此時(shí)要尋找滿足如下條件的最優(yōu)劃分R, 即Neyman-Pearson決策:

    為了求解該問題, 可以構(gòu)建拉格朗日函數(shù)γ=Pe1+η(Pe2?ε0), 又因?yàn)??則有

    其中,η為引入的拉格朗日乘子.

    由拉格朗日乘子法有:

    其中,r0由解出.

    于是, 由(11)式和(13)式有最優(yōu)劃分:

    其中,p1(r)/p2(r)稱為似然比. 于是, 通過調(diào)整ε0即可適應(yīng)不同的需求.

    當(dāng)樣本數(shù)N足夠大時(shí), 有f1→p1(r)、f2→p2(r). 另外, 在實(shí)際計(jì)算中, 由于采樣的不足, 可能出現(xiàn)f1(r) = 0和f2(r) = 0的情況, 為了避免分母為0,頻率近似后可對決策函數(shù)(14)式做變換, 于是有:

    其中,h(r)=f1(r0)f2(r)?f1(r)f2(r0),r0滿足本文稱(15)式為NPSVM模型.

    若令ε0=0.002, 則得到圖9中的直線L2, 并計(jì)算h(r)得到其頻數(shù)分布圖如圖10,此時(shí)與SVM模型的比較效果如表4.

    圖10 h(r)的分布直方圖Fig.10 Histogram of h(r)

    表4 SVM與NPSVM效果比較Table 4 Comparison between SVM and NPSVM

    計(jì)算得到超新星此時(shí)的漏判率為0.116%. 顯然, 效果比預(yù)期的ε0= 0.2%要好很多.但是, 星系被判為超新星的頻率為0.920%, 而該值采用普通的SVM時(shí), 僅有0.356%; 整體誤判率也由0.498%上升到0.854%. 故而, 此方法應(yīng)當(dāng)根據(jù)實(shí)際情況中的效益和需要適當(dāng)調(diào)整期望的漏判上限ε0.

    6 總結(jié)與展望

    本文通過數(shù)據(jù)預(yù)處理、特征提取、分類模型建立和優(yōu)化, 發(fā)現(xiàn)了光譜分解方法的冗余特征并給出了基于余弦相似度的優(yōu)化方案, 得到了一個(gè)效果良好的超新星識別模型. 相對于其他研究, 僅采用SVM模型時(shí), 本文能夠由決策距離分布給出一個(gè)樣本的分類概率, 以方便設(shè)置超新星的后續(xù)觀測優(yōu)先級. 而追求較小超新星漏判率時(shí), 本文提出的NPSVM模型也能夠有效限制其漏判率.

    但是在實(shí)踐中, 雖然NPSVM模型可以降低漏判率, 但也會增加將星系判為超新星的概率. 超新星的最終證認(rèn)往往還要通過人工證認(rèn)或后續(xù)觀測進(jìn)行確認(rèn), 而星系被判為超新星會增加人力與時(shí)間成本, 因而需要根據(jù)實(shí)際情況進(jìn)行漏判率的限制. 如果希望整體誤判率最小, 還可以選擇僅采用SVM模型而不采用Neyman-Pearson決策.

    值得一提, 本文所涉及的PCA、SVM算法, 當(dāng)數(shù)據(jù)量越大時(shí), 在統(tǒng)計(jì)意義下越可靠,效果也越好. 預(yù)期隨著更多的超新星發(fā)現(xiàn), 模型效果將不斷提高, 從而形成正反饋機(jī)制推動超新星的發(fā)現(xiàn).

    致謝感謝審稿人對文章提出的寶貴建議, 使得文章的質(zhì)量有了顯著的提高. 感謝WISeREP、CfA、SDSS公開的光譜數(shù)據(jù)和Nugent公開的超新星模板和相關(guān)工作者的付出.

    猜你喜歡
    超新星星系光譜
    超新星大爆炸之康坎
    作品(2023年6期)2023-06-11 13:25:46
    超新星大爆炸之·羅淑欣
    作品(2023年3期)2023-05-04 03:21:10
    超新星大爆炸之羅淑欣
    作品(2023年1期)2023-02-26 08:25:36
    跟著星系深呼吸
    基于三維Saab變換的高光譜圖像壓縮方法
    迄今發(fā)現(xiàn)的最大星系
    軍事文摘(2022年10期)2022-06-15 02:29:38
    星系大碰撞
    地外星系
    太空探索(2016年1期)2016-07-12 09:55:58
    星載近紅外高光譜CO2遙感進(jìn)展
    我的第一顆超新星
    久久99热这里只有精品18| 一本一本综合久久| 日日啪夜夜爽| 少妇高潮的动态图| 亚洲熟女精品中文字幕| 久久久精品欧美日韩精品| 亚洲婷婷狠狠爱综合网| 特大巨黑吊av在线直播| 日韩视频在线欧美| 亚洲经典国产精华液单| 精品久久久久久电影网| 亚洲国产最新在线播放| 中文字幕人妻熟人妻熟丝袜美| 成人高潮视频无遮挡免费网站| 欧美日韩一区二区视频在线观看视频在线 | 乱人视频在线观看| 久久精品夜色国产| 成年女人在线观看亚洲视频 | 免费av毛片视频| 两个人视频免费观看高清| 国产69精品久久久久777片| 国产成人午夜福利电影在线观看| 国产永久视频网站| 777米奇影视久久| 久久久久九九精品影院| 亚洲精品一区蜜桃| 亚洲成色77777| 国产不卡一卡二| 青青草视频在线视频观看| 午夜激情福利司机影院| 中文资源天堂在线| 日韩av不卡免费在线播放| 麻豆国产97在线/欧美| 午夜免费激情av| 国产v大片淫在线免费观看| 久久亚洲国产成人精品v| 久久久午夜欧美精品| 精品久久国产蜜桃| 麻豆乱淫一区二区| 99re6热这里在线精品视频| 国产极品天堂在线| 色综合站精品国产| 建设人人有责人人尽责人人享有的 | 国产精品爽爽va在线观看网站| 水蜜桃什么品种好| 亚洲丝袜综合中文字幕| ponron亚洲| 少妇的逼好多水| 99久国产av精品国产电影| 观看免费一级毛片| 日韩欧美 国产精品| 亚洲国产欧美在线一区| 亚洲国产精品成人久久小说| kizo精华| 久久99蜜桃精品久久| 听说在线观看完整版免费高清| 久久精品夜色国产| 亚洲在久久综合| 国产三级在线视频| 亚洲av一区综合| 干丝袜人妻中文字幕| 国产成人一区二区在线| 看非洲黑人一级黄片| 最近中文字幕高清免费大全6| 日本黄色片子视频| 麻豆成人av视频| 国产精品无大码| 视频中文字幕在线观看| 久久久久久久大尺度免费视频| 亚洲最大成人中文| 哪个播放器可以免费观看大片| 一个人免费在线观看电影| 亚洲精品中文字幕在线视频 | 男女国产视频网站| 如何舔出高潮| 精品酒店卫生间| 日韩不卡一区二区三区视频在线| 亚洲国产最新在线播放| a级一级毛片免费在线观看| 亚洲精品aⅴ在线观看| 麻豆国产97在线/欧美| 搡老乐熟女国产| 午夜精品在线福利| 日韩在线高清观看一区二区三区| 精品人妻视频免费看| 校园人妻丝袜中文字幕| 中文字幕人妻熟人妻熟丝袜美| 插逼视频在线观看| 国产 亚洲一区二区三区 | 色播亚洲综合网| 九九爱精品视频在线观看| 波野结衣二区三区在线| 2018国产大陆天天弄谢| 色视频www国产| 不卡视频在线观看欧美| 高清日韩中文字幕在线| 免费黄色在线免费观看| 成人高潮视频无遮挡免费网站| 国内揄拍国产精品人妻在线| 18禁在线无遮挡免费观看视频| 中文字幕人妻熟人妻熟丝袜美| 成年女人看的毛片在线观看| 淫秽高清视频在线观看| 午夜精品国产一区二区电影 | 欧美精品一区二区大全| 99九九线精品视频在线观看视频| 日本三级黄在线观看| 国产黄片美女视频| 国产国拍精品亚洲av在线观看| 久久精品夜色国产| 国产成人freesex在线| 日韩伦理黄色片| 天天躁日日操中文字幕| 日韩电影二区| 国产黄频视频在线观看| 亚洲欧美日韩卡通动漫| 日韩视频在线欧美| 日本色播在线视频| 亚洲四区av| a级一级毛片免费在线观看| 国产av在哪里看| av在线播放精品| 久久久久久久久久久丰满| 国产熟女欧美一区二区| 亚洲最大成人av| 蜜桃亚洲精品一区二区三区| 天堂中文最新版在线下载 | 69人妻影院| 久久精品国产鲁丝片午夜精品| 全区人妻精品视频| 一级二级三级毛片免费看| 女的被弄到高潮叫床怎么办| 国产av码专区亚洲av| 亚洲av成人av| 国产亚洲av片在线观看秒播厂 | 天天躁日日操中文字幕| 久久久精品免费免费高清| 国产爱豆传媒在线观看| 欧美激情在线99| 老师上课跳d突然被开到最大视频| 国产精品一区二区性色av| 国产视频首页在线观看| 高清在线视频一区二区三区| 国产黄色免费在线视频| 嫩草影院入口| 国产又色又爽无遮挡免| 男人舔女人下体高潮全视频| 亚洲成人久久爱视频| 高清视频免费观看一区二区 | 国产淫语在线视频| 免费高清在线观看视频在线观看| 91精品伊人久久大香线蕉| 亚洲不卡免费看| 亚洲av日韩在线播放| 亚洲av电影在线观看一区二区三区 | 九九爱精品视频在线观看| 亚洲国产高清在线一区二区三| 麻豆国产97在线/欧美| 亚洲精品456在线播放app| 国产高清不卡午夜福利| 中国国产av一级| 成人亚洲精品av一区二区| 全区人妻精品视频| 久久99热这里只频精品6学生| 直男gayav资源| 两个人的视频大全免费| 少妇猛男粗大的猛烈进出视频 | 人妻夜夜爽99麻豆av| 国产精品日韩av在线免费观看| 国产一级毛片在线| 欧美精品一区二区大全| 天天躁日日操中文字幕| 成年女人在线观看亚洲视频 | 久久6这里有精品| av在线老鸭窝| 五月伊人婷婷丁香| 国产美女午夜福利| 熟女电影av网| 99九九线精品视频在线观看视频| 国产综合懂色| 国产av在哪里看| 一区二区三区四区激情视频| a级一级毛片免费在线观看| 亚洲精品成人久久久久久| 国产亚洲av嫩草精品影院| 可以在线观看毛片的网站| 亚洲成人中文字幕在线播放| 久久久久网色| 久久久久国产网址| 欧美另类一区| 老师上课跳d突然被开到最大视频| 日韩一本色道免费dvd| 欧美zozozo另类| 免费观看精品视频网站| 国产一区二区在线观看日韩| 亚洲国产色片| 精品不卡国产一区二区三区| 天美传媒精品一区二区| 国产免费又黄又爽又色| 精品国产三级普通话版| 三级国产精品片| 亚洲成人av在线免费| 国产精品三级大全| videos熟女内射| 久久久午夜欧美精品| 国模一区二区三区四区视频| 99re6热这里在线精品视频| 爱豆传媒免费全集在线观看| 国产精品伦人一区二区| 寂寞人妻少妇视频99o| 一级毛片久久久久久久久女| 老师上课跳d突然被开到最大视频| freevideosex欧美| 老司机影院成人| 日韩国内少妇激情av| 亚洲精品乱久久久久久| 午夜福利成人在线免费观看| 免费看a级黄色片| 18禁裸乳无遮挡免费网站照片| 中文字幕av在线有码专区| eeuss影院久久| 麻豆成人午夜福利视频| 精品不卡国产一区二区三区| av在线播放精品| 亚洲丝袜综合中文字幕| 久久久久久久久大av| 国产乱来视频区| 人人妻人人澡人人爽人人夜夜 | 中文字幕人妻熟人妻熟丝袜美| 国产极品天堂在线| 能在线免费观看的黄片| 精品国产露脸久久av麻豆 | 精品一区二区三卡| 亚洲综合色惰| 女的被弄到高潮叫床怎么办| 日本与韩国留学比较| 成人无遮挡网站| 国产大屁股一区二区在线视频| 国产午夜福利久久久久久| 国产永久视频网站| 两个人的视频大全免费| 亚洲综合色惰| 午夜福利在线观看吧| 九九爱精品视频在线观看| 最近中文字幕2019免费版| av免费在线看不卡| 中国国产av一级| 狠狠精品人妻久久久久久综合| 色网站视频免费| 蜜臀久久99精品久久宅男| 国产午夜精品久久久久久一区二区三区| 日日干狠狠操夜夜爽| av在线老鸭窝| 亚洲激情五月婷婷啪啪| 中国国产av一级| 亚洲精品中文字幕在线视频 | 免费av观看视频| 精品国产三级普通话版| 免费观看的影片在线观看| 秋霞伦理黄片| 日韩中字成人| 亚洲美女搞黄在线观看| 人人妻人人澡欧美一区二区| 中文欧美无线码| 国产黄片视频在线免费观看| 中文字幕制服av| 伦精品一区二区三区| 国产伦精品一区二区三区视频9| 国内精品宾馆在线| 午夜激情久久久久久久| 国产高清国产精品国产三级 | 亚洲久久久久久中文字幕| 欧美激情久久久久久爽电影| 99热网站在线观看| 成年人午夜在线观看视频 | 欧美最新免费一区二区三区| 大陆偷拍与自拍| 一级a做视频免费观看| 国产精品久久久久久久久免| 在线天堂最新版资源| 中国国产av一级| 欧美高清性xxxxhd video| 十八禁网站网址无遮挡 | 久久精品综合一区二区三区| 精品一区二区三区视频在线| 亚洲国产日韩欧美精品在线观看| 国产精品无大码| 18禁在线播放成人免费| 秋霞在线观看毛片| 80岁老熟妇乱子伦牲交| 91午夜精品亚洲一区二区三区| 麻豆国产97在线/欧美| 99久国产av精品国产电影| 久久久久久久亚洲中文字幕| 男的添女的下面高潮视频| xxx大片免费视频| 亚洲国产最新在线播放| 亚洲不卡免费看| 一个人看视频在线观看www免费| av在线观看视频网站免费| 狂野欧美激情性xxxx在线观看| 久久久久精品性色| 免费少妇av软件| 国产高潮美女av| 欧美精品国产亚洲| 免费看av在线观看网站| 国产成人一区二区在线| 久久国产乱子免费精品| 国产精品熟女久久久久浪| 国产伦精品一区二区三区四那| 哪个播放器可以免费观看大片| 成年人午夜在线观看视频 | 亚洲欧美一区二区三区黑人 | 久久国内精品自在自线图片| 亚洲性久久影院| 亚洲国产精品专区欧美| 国产成人aa在线观看| 欧美日本视频| 99热网站在线观看| 国产成人aa在线观看| 十八禁网站网址无遮挡 | 卡戴珊不雅视频在线播放| 99热这里只有是精品50| 午夜福利网站1000一区二区三区| 97在线视频观看| 国产精品伦人一区二区| 女人久久www免费人成看片| 高清日韩中文字幕在线| 亚洲国产色片| 日韩国内少妇激情av| 最近最新中文字幕免费大全7| 午夜激情福利司机影院| 欧美日本视频| 亚洲精品视频女| 夫妻午夜视频| 最近的中文字幕免费完整| 精品少妇黑人巨大在线播放| 国产亚洲5aaaaa淫片| 嫩草影院新地址| 欧美高清性xxxxhd video| 国产一级毛片七仙女欲春2| 国产精品爽爽va在线观看网站| 极品教师在线视频| 成人亚洲欧美一区二区av| 国产精品久久久久久精品电影| 美女内射精品一级片tv| 欧美高清性xxxxhd video| 欧美日韩综合久久久久久| 亚洲欧美成人综合另类久久久| 一区二区三区四区激情视频| 免费看日本二区| 不卡视频在线观看欧美| 国产 一区精品| 日本av手机在线免费观看| 少妇熟女欧美另类| 白带黄色成豆腐渣| 国产一区二区在线观看日韩| 国产黄片视频在线免费观看| 欧美 日韩 精品 国产| 久久久久国产网址| 黄片wwwwww| 国产av国产精品国产| 91精品国产九色| 亚洲,欧美,日韩| 精华霜和精华液先用哪个| av在线播放精品| 女的被弄到高潮叫床怎么办| 夫妻性生交免费视频一级片| 久久99热这里只有精品18| 午夜老司机福利剧场| 国产 一区 欧美 日韩| 婷婷色麻豆天堂久久| 精品久久久久久久久亚洲| 欧美成人一区二区免费高清观看| 99热这里只有精品一区| 久久久久久久久久久免费av| 国产精品久久久久久精品电影| 精品久久久久久久末码| 国产高清三级在线| 国产老妇女一区| 亚州av有码| 成年人午夜在线观看视频 | 人人妻人人澡人人爽人人夜夜 | 久久99热这里只频精品6学生| 亚洲精品中文字幕在线视频 | 99热这里只有精品一区| 少妇高潮的动态图| 亚洲国产精品专区欧美| 99久国产av精品国产电影| 免费观看精品视频网站| 男女啪啪激烈高潮av片| 久久综合国产亚洲精品| 久久久久久久国产电影| 亚洲成人av在线免费| xxx大片免费视频| 亚洲人与动物交配视频| 日韩在线高清观看一区二区三区| 国产亚洲5aaaaa淫片| 欧美成人一区二区免费高清观看| 又爽又黄a免费视频| 天堂中文最新版在线下载 | 国产乱人视频| 国产高清国产精品国产三级 | 街头女战士在线观看网站| 中国国产av一级| 欧美日韩亚洲高清精品| 看十八女毛片水多多多| 一级片'在线观看视频| 亚洲精品456在线播放app| 白带黄色成豆腐渣| 久久久久久久久久黄片| 国产成人aa在线观看| 国产成人一区二区在线| 国产伦精品一区二区三区视频9| 美女内射精品一级片tv| 又黄又爽又刺激的免费视频.| 成人毛片60女人毛片免费| 国产亚洲午夜精品一区二区久久 | 亚洲成人久久爱视频| 免费av观看视频| 美女主播在线视频| 18禁裸乳无遮挡免费网站照片| 成人一区二区视频在线观看| 国产午夜精品久久久久久一区二区三区| 久久精品久久精品一区二区三区| 99久久人妻综合| 国产免费一级a男人的天堂| 听说在线观看完整版免费高清| 高清在线视频一区二区三区| 边亲边吃奶的免费视频| 丝袜美腿在线中文| 日本一本二区三区精品| 国产乱人视频| 免费观看无遮挡的男女| 亚洲三级黄色毛片| 亚洲精品乱码久久久久久按摩| 国产黄片视频在线免费观看| 极品少妇高潮喷水抽搐| 91午夜精品亚洲一区二区三区| 成人午夜高清在线视频| 老师上课跳d突然被开到最大视频| 亚洲欧美一区二区三区黑人 | 在线天堂最新版资源| 男女边吃奶边做爰视频| 久久精品国产鲁丝片午夜精品| 精品一区二区三区人妻视频| 丰满乱子伦码专区| 中文字幕亚洲精品专区| 麻豆久久精品国产亚洲av| 国产黄色小视频在线观看| 直男gayav资源| 亚洲精品自拍成人| 成人午夜高清在线视频| 夜夜爽夜夜爽视频| 91av网一区二区| 在现免费观看毛片| 日韩成人伦理影院| 99久久中文字幕三级久久日本| 久久精品国产自在天天线| 久久99热这里只频精品6学生| 国产亚洲av片在线观看秒播厂 | 高清av免费在线| 久久久久久久大尺度免费视频| 亚洲第一区二区三区不卡| 卡戴珊不雅视频在线播放| 亚洲丝袜综合中文字幕| 日韩伦理黄色片| 能在线免费观看的黄片| 白带黄色成豆腐渣| 亚洲国产欧美人成| 直男gayav资源| 亚洲av中文av极速乱| 精品久久久精品久久久| 看黄色毛片网站| 99热网站在线观看| 麻豆av噜噜一区二区三区| 你懂的网址亚洲精品在线观看| 一级二级三级毛片免费看| 午夜久久久久精精品| 91av网一区二区| 国产淫片久久久久久久久| 人妻制服诱惑在线中文字幕| 少妇的逼好多水| av线在线观看网站| 免费高清在线观看视频在线观看| 欧美成人一区二区免费高清观看| 日韩在线高清观看一区二区三区| 国产麻豆成人av免费视频| 精品酒店卫生间| 亚洲精品国产成人久久av| 真实男女啪啪啪动态图| 欧美日韩在线观看h| 日本欧美国产在线视频| 九草在线视频观看| 久久综合国产亚洲精品| 天堂网av新在线| 少妇丰满av| 99热全是精品| 天堂中文最新版在线下载 | 日韩中字成人| 欧美xxxx性猛交bbbb| 最近中文字幕2019免费版| 欧美日韩视频高清一区二区三区二| 中文字幕久久专区| 久久这里只有精品中国| 国产亚洲一区二区精品| 麻豆久久精品国产亚洲av| 午夜免费激情av| 大香蕉久久网| 国产一区二区亚洲精品在线观看| 精品亚洲乱码少妇综合久久| 深夜a级毛片| 久久精品夜色国产| 人妻夜夜爽99麻豆av| 久久午夜福利片| 亚洲最大成人中文| 国产高清国产精品国产三级 | 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 七月丁香在线播放| 国产v大片淫在线免费观看| 亚洲精品自拍成人| 成年人午夜在线观看视频 | 少妇丰满av| 国产精品久久久久久久久免| 男人舔奶头视频| 美女cb高潮喷水在线观看| 精品酒店卫生间| 青青草视频在线视频观看| 亚洲av中文字字幕乱码综合| 亚洲精品国产成人久久av| 中文资源天堂在线| 久久6这里有精品| 成人亚洲欧美一区二区av| 国产精品熟女久久久久浪| 永久免费av网站大全| 亚洲欧美中文字幕日韩二区| 亚洲精品乱码久久久久久按摩| 亚洲欧美一区二区三区国产| 日产精品乱码卡一卡2卡三| 国产精品一二三区在线看| 国产精品国产三级专区第一集| 久久久久性生活片| 2021天堂中文幕一二区在线观| 亚洲欧美一区二区三区国产| 亚洲精品视频女| 亚洲av免费高清在线观看| 久久草成人影院| 日本免费在线观看一区| 久久午夜福利片| 高清午夜精品一区二区三区| 国产精品美女特级片免费视频播放器| 一区二区三区高清视频在线| 国产美女午夜福利| 久久热精品热| 成人av在线播放网站| 国产爱豆传媒在线观看| 亚洲人与动物交配视频| 久久精品人妻少妇| 少妇人妻精品综合一区二区| 亚洲av中文av极速乱| 亚洲欧美一区二区三区国产| 国产高潮美女av| 午夜激情欧美在线| 欧美日韩精品成人综合77777| 伊人久久国产一区二区| 99热网站在线观看| 亚洲精品一区蜜桃| 国产精品一及| 男女那种视频在线观看| 国产欧美另类精品又又久久亚洲欧美| 欧美一级a爱片免费观看看| 色哟哟·www| 国产精品人妻久久久久久| 美女xxoo啪啪120秒动态图| 久久精品国产亚洲av涩爱| 一夜夜www| 免费无遮挡裸体视频| 日韩欧美精品免费久久| 纵有疾风起免费观看全集完整版 | 尾随美女入室| 国产成人a∨麻豆精品| 欧美三级亚洲精品| 久久精品国产亚洲网站| 热99在线观看视频| 午夜精品一区二区三区免费看| 最近视频中文字幕2019在线8| 欧美激情国产日韩精品一区| 18禁裸乳无遮挡免费网站照片| 男人舔奶头视频| 欧美极品一区二区三区四区| 亚洲精品乱久久久久久| 久久久久久久久中文| 女人十人毛片免费观看3o分钟| 亚洲国产高清在线一区二区三| 日韩 亚洲 欧美在线| 美女大奶头视频| 天堂影院成人在线观看| 亚洲熟妇中文字幕五十中出| 欧美变态另类bdsm刘玥| 国产综合精华液| 免费av不卡在线播放| 老司机影院成人| 国产男女超爽视频在线观看| 国语对白做爰xxxⅹ性视频网站| 永久免费av网站大全| 久久草成人影院| 日韩三级伦理在线观看| 熟妇人妻久久中文字幕3abv| 一个人观看的视频www高清免费观看| 亚洲av日韩在线播放| 久久久久性生活片| av播播在线观看一区| 亚洲精品乱码久久久v下载方式| 国产精品三级大全| 看十八女毛片水多多多|